博客
关于我
51单片机中将变量、数组、函数设置在固定位置,定位到绝对地址
阅读量:606 次
发布时间:2019-03-12

本文共 1047 字,大约阅读时间需要 3 分钟。

一、不带初值的变量或数组定位方法

在Keil C51中,当变量或数组需要定位到具体的内存地址时,可以直接使用 _at_ 关键字并附加相应的地址值。例如:

  • 对于单个字符变量:

    unsigned char myvar _at_ 0x40;
  • 对于数组变量:

    unsigned char code myvar[10] _at_ 0x40;

需要注意的是,使用 _at_ 时前后必须有空格。

二、带初值的变量或数组定位方法

如果需要将变量定位到绝对地址并赋值初值,可以按照以下步骤操作:

  • 在工程中创建新的初始化文件InitVars.c,例如:

    char code myVer[20] = {"COPYRIGHT 2001-11"};
  • 将生成的InitVars.c文件添加到工程中编译。

  • 打开Keil的M51项目文件,定位到对应类型的内存(如CODE、XDATA、DATA等)区域,填写初始化文件生成的绝对地址(如?CO?INITVARS(0x200))。

  • 重新编译工程。

  • 特殊情况下,如定义的是xdata类型的变量,初始化文件应写为:

    char xdata myVer[20] = {"COPYRIGHT 2001-11"};

    然后在选项中填写?XD?INITVARS(0x200)

    对于idata等变量,操作流程类似。

    三、函数定位方法

    要将函数定位到指定的地址,可以先通过编译工程并查看M51项目文件。在CODE内存区域中,找到目标函数的标识符部分,获取对应的地址值。

    例如,想将C文件中的函数int BIN2HEX(int xx)定位到0x1000处,可以在项目选项中设置Locate:Code?PR?_BCD2HEX?TOOLS(0x1000)

    如果需要同时定位多个函数,可以用逗号分隔地址值:

    ?PR?myTest1?MAIN(0x3900), ?PR?myTest2?MAIN(0x4000)

    四、使用函数指针调用绝对地址处的函数

    方法步骤如下:

  • 定义推荐的回调函数原型:

    typedef void (*CALL_MYTEST)(void);
  • 定义函数指针变量:

    CALL_MYTEST myTestCall = NULL;
  • 将函数指针赋值为目标地址:

    myTestCall = 0x3900;
  • 进行函数指针调用:

    if (myTestCall != NULL) {    myTestCall();}
  • 需要注意的是,函数指针调用会将PC指针调整为定位地址0x3900,然后执行该函数。

    转载地址:http://htqxz.baihongyu.com/

    你可能感兴趣的文章
    OpenCV与AI深度学习 | YOLOv8自定义数据集训练实现火焰和烟雾检测(代码+数据集!)
    查看>>
    OpenCV与AI深度学习 | YOLOv8重磅升级,新增旋转目标检测,又该学习了!
    查看>>
    OpenCV与AI深度学习 | 一文带你读懂YOLOv1~YOLOv11(建议收藏!)
    查看>>
    OpenCV与AI深度学习 | 五分钟快速搭建一个实时人脸口罩检测系统(OpenCV+PaddleHub 含源码)
    查看>>
    OpenCV与AI深度学习 | 什么是 COCO 数据集?
    查看>>
    OpenCV与AI深度学习 | 低对比度缺陷检测应用实例--LCD屏幕脏污检测
    查看>>
    OpenCV与AI深度学习 | 使用 MoveNet Lightning 和 OpenCV 实现实时姿势检测
    查看>>
    OpenCV与AI深度学习 | 使用 OpenCV 创建自定义图像滤镜
    查看>>
    OpenCV与AI深度学习 | 使用 SAM 和 Grounding DINO 分割卫星图像
    查看>>
    OpenCV与AI深度学习 | 使用OpenCV图像修复技术去除眩光
    查看>>
    OpenCV与AI深度学习 | 使用OpenCV检测并计算直线角度
    查看>>
    OpenCV与AI深度学习 | 使用OpenCV轮廓检测提取图像前景
    查看>>
    OpenCV与AI深度学习 | 使用Python和OpenCV实现火焰检测(附源码)
    查看>>
    OpenCV与AI深度学习 | 使用PyTorch进行小样本学习的图像分类
    查看>>
    OpenCV与AI深度学习 | 使用YOLO11实现区域内目标跟踪
    查看>>
    OpenCV与AI深度学习 | 使用YOLOv8做目标检测、实例分割和图像分类(包含实例操作代码)
    查看>>
    OpenCV与AI深度学习 | 使用单相机对已知物体进行3D位置估计
    查看>>
    OpenCV与AI深度学习 | 初学者指南 -- 什么是迁移学习?
    查看>>
    OpenCV与AI深度学习 | 十分钟掌握Pytorch搭建神经网络的流程
    查看>>
    OpenCV与AI深度学习 | 基于GAN的零缺陷样本产品表面缺陷检测
    查看>>